CN116381419A - 输电线路故障处理方法、装置、计算机设备和存储介质 - Google Patents

输电线路故障处理方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN116381419A
CN116381419A CN202310655212.2A CN202310655212A CN116381419A CN 116381419 A CN116381419 A CN 116381419A CN 202310655212 A CN202310655212 A CN 202310655212A CN 116381419 A CN116381419 A CN 116381419A
Authority
CN
China
Prior art keywords
fault
line
power transmission
transmission line
operation data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310655212.2A
Other languages
English (en)
Other versions
CN116381419B (zh
Inventor
郑武略
张富春
张鑫
郑晓
刘楠
王瑞显
陈庆鹏
梁伟昕
吴阳阳
谢守辉
宋丹
袁文俊
贾培亮
翁珠奋
石延辉
赵航航
王宁
汪豪
范敏
丁红涛
郑扬亮
陈浩
严奕进
张子建
刘贺
梁凯旋
廖江雨
孟庆禹
何宁安
钟琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Bureau of Extra High Voltage Power Transmission Co
Original Assignee
Guangzhou Bureau of Extra High Voltage Power Transmission Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Bureau of Extra High Voltage Power Transmission Co filed Critical Guangzhou Bureau of Extra High Voltage Power Transmission Co
Priority to CN202310655212.2A priority Critical patent/CN116381419B/zh
Publication of CN116381419A publication Critical patent/CN116381419A/zh
Application granted granted Critical
Publication of CN116381419B publication Critical patent/CN116381419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/54—Testing for continuity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/58—Testing of lines, cables or conductors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • H02J3/0012—Contingency detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Locating Faults (AREA)

Abstract

本申请涉及一种输电线路故障处理方法、装置、计算机设备和存储介质。所述方法包括：在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点；获取故障节点的线路运行数据；将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果；将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息。采用本方法，能够提升电力系统的运行稳定性，从而保证电力系统的稳定运行。

Description

输电线路故障处理方法、装置、计算机设备和存储介质
技术领域
本申请涉及电网技术领域，特别是涉及一种输电线路故障处理方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
输电线路是电力系统的重要组成部分，随着社会的发展，输电线路的负载也越来越大；因此，为了确保和维护电力的稳定输送，需要对输电线路的故障进行处理，从而保证电力系统的稳定运行。
相关技术中，通常是在输电线路发生短路或断路之后，通过人工巡检对发生短路或断路的故障回路进行排查，从而在故障回路中定位故障节点，然后再根据以往的运维经验，确定对于故障回路的运维方案。
然而，在基于人工巡检的输电线路故障处理过程中，一方面，人工巡检会消耗大量的时间；另一方面，在巡检过程中，故障回路始终为断路或短路，电力系统的运行仍然会受到影响，因此使得电力系统的运行稳定性较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升电力系统的运行稳定性的输电线路故障处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种输电线路故障处理方法。所述方法包括：
在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
获取所述故障节点的线路运行数据；
将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
在其中一个方法中，在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点之前，还包括：
在设置在输电线路上的故障定位传感器监测到所述输电线路中出现断路或短路的情况下，确认所述输电线路中存在故障回路；
所述在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点，包括：
在所述输电线路中存在故障回路的情况下，接收所述故障定位传感器发送的位置信息；
在所述输电线路的节点中，识别出与所述位置信息关联的节点；
将与所述位置信息关联的节点，确认为与所述故障回路关联的故障节点。
在其中一个方法中，所述将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果，包括：
通过所述预先构建的故障诊断模型，在所述输电线路的故障线路运行数据中，确认与所述故障节点的线路运行数据对应的参考故障线路运行数据；
根据故障线路运行数据与故障线路表面图像之间的故障对应关系，在所述输电线路的故障线路表面图像中，确认与所述参考故障线路运行数据对应的参考故障线路表面图像；
确认所述参考故障线路表面图像与所述故障节点的线路表面图像之间的图像差异信息；
在所述图像差异信息满足预设图像差异信息阈值的情况下，根据所述参考故障线路表面图像所属的样本故障的故障类型，确认所述故障回路的故障诊断结果。
在其中一个方法中，所述通过所述预先构建的故障诊断模型，在所述输电线路的故障线路运行数据中，确认与所述故障节点的线路运行数据对应的参考故障线路运行数据，包括：
通过所述预先构建的故障诊断模型，确认所述故障节点的线路运行数据与所述输电线路的各个故障线路运行数据之间的相似性；
将各个故障线路运行数据中对应的相似性最大的故障线路运行数据，确认为与所述故障节点的线路运行数据对应的参考故障线路运行数据；
在确认所述参考故障线路表面图像与所述故障节点的线路表面图像之间的图像差异信息之后，还包括：
在所述图像差异信息不满足所述预设图像差异信息阈值的情况下，在除所述参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与所述故障节点的线路运行数据对应的参考故障线路运行数据。
在其中一个方法中，所述预先构建的故障诊断模型，通过下述方式构建得到：
获取与所述输电线路的样本故障关联的故障线路运行数据与故障线路表面图像；
构建所述故障线路运行数据与所述故障线路表面图像之间的故障对应关系；
根据所述故障对应关系，构建故障诊断模型，作为所述预先构建的故障诊断模型。
在其中一个方法中，所述将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息，包括：
通过所述预先构建的运维决策模型，从所述输电线路的样本故障中，识别出与所述故障诊断结果对应的参考样本故障；
根据样本故障与样本运维信息之间的运维对应关系，从所述输电线路的样本运维信息中，识别出与所述参考样本故障对应的参考样本运维信息；
根据所述故障节点的线路运行数据，更新所述参考样本运维信息中的运维参数，得到所述故障回路的运维信息。
在其中一个方法中，所述预先构建的运维决策模型，通过下述方式构建得到：
获取与所述输电线路的样本故障关联的样本运维信息；
构建所述样本故障与所述样本运维信息之间的运维对应关系；
根据所述运维对应关系，构建运维决策模型，作为所述预先构建的运维决策模型。
第二方面，本申请还提供了一种输电线路故障处理装置。所述装置包括：
故障节点确认模块，用于在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
运行数据获取模块，用于获取所述故障节点的线路运行数据；
诊断结果确认模块，用于将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
运维信息确认模块，用于将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
获取所述故障节点的线路运行数据；
将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
获取所述故障节点的线路运行数据；
将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
获取所述故障节点的线路运行数据；
将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
上述输电线路故障处理法、装置、计算机设备、存储介质和计算机程序产品，首先在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点；然后获取故障节点的线路运行数据；接着将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果；最后将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息。这样，一方面，通过故障定位传感器对输电线路中与故障回路关联的故障节点进行定位，缩短了定位故障节点所需要的时间，进而缩短了故障回路在巡检过程中保维持断路或短路的时间，使得电力系统能够在输电线路发生故障之后尽快恢复供电；另一方面，通过预先构建的故障诊断模型对故障节点的线路运行数据的分析，能够得到故障回路的故障诊断结果，结合线路运行数据和故障诊断结果，还能够在不依赖人工辅助的情况下，得到故障回路的运维信息，避免了主观因素对运维方案准确性的影响，进一步保证了电力系统的稳定运行。因此，基于以上过程的输电线路故障处理方法，提升了电力系统的运行稳定性。
附图说明
图1为一个实施例中输电线路故障处理方法的流程示意图；
图2为一个实施例中输电线路的示意图；
图3为一个实施例中得到故障回路的故障诊断结果的步骤的流程示意图；
图4为一个实施例中得到故障回路的运维信息的步骤的流程示意图；
图5为另一个实施例中输电线路故障处理方法的流程示意图；
图6为一个实施例中输电线路故障检测方法的流程示意图；
图7为一个实施例中输电线路故障处理装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
在一示例性实施例中，如图1所示，提供了一种输电线路故障处理方法，本实施例以该方法应用于服务器进行举例说明；可以理解的是，该方法也可以应用于终端，还可以应用于包括服务器和终端的系统，并通过服务器和终端之间的交互实现。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现；终端可以但不限于是各种个人计算机、笔记本电脑、智能手机以及平板电脑等。本实施例中，该方法包括以下步骤：
步骤S102，在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点。
其中，故障回路是指输电线路中出现断路或短路的回路。故障节点是指组成故障回路的一个或多个节点，能够理解的是，输电线路的各个杆塔处可以视为各个节点。
其中，输电线路的各个节点上均设置有故障定位传感器，故障定位传感器上有温度检测元件，可以对输电线路的温度进行检测，并记录输电线路在通路状态、断路状态、以及短路状态下的运行温度。
具体地，服务器通过设置在输电线路各个节点上的故障定位传感器，监测输电线路的运行状态；服务器在监测到输电线路中存在故障回路的情况下，根据故障定位传感器发送的位置信息，在输电线路中确认与故障回路关联的一个或多个故障节点。
步骤S104，获取故障节点的线路运行数据。
其中，输电线路的各个节点上均还设置有运行数据采集装置，如电压表、电流表等数据监测表，运行数据采集装置用于实时采集各个节点上的线路运行数据，例如电压值、电流值以及负载值；服务器根据运行数据采集装置采集的线路运行数据，可以绘制出电压变化波形图、电流变化波形图，从而判断节点是否遭受雷击等信息。
具体地，服务器通过设置在各个节点上的运行数据采集装置，实时采集节点的线路运行数据，因此，服务器在确定故障节点之后，可以通过故障节点上的运行数据采集装置，获取故障节点的线路运行数据。
步骤S106，将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果。
其中，预先构建的故障诊断模型用于对故障回路进行故障诊断，确认故障回路发生故障的具体原因；预先构建的故障诊断模型通过结合历史故障与专家经验构建得到，也可以通过结合历史故障数据对神经网络模型进行训练得到。
其中，故障诊断结果至少包括故障发生的具体原因，比如异物缠绕输电线路、输电线路断裂、输电线路覆冰故障等。
具体地，服务器将故障节点的线路运行数据输入至预先构建的故障诊断模型中，预先构建的故障诊断模型根据线路运行数据的特征向量，确认线路运行数据对应的故障节点属于各个样本故障的概率，然后将对应的概率最大的样本故障的故障类型，确认为故障节点对应的故障回路的故障诊断结果。其中，样本故障为输电线路的历史故障，故障类型为造成故障的具体原因。
步骤S108，将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息。
其中，运维信息至少包括针对故障回路的运维方案，例如在不影响其他回路的情况下，断开故障回路，便于运维人员进行运维；再例如针对故障回路中的某些故障节点进行检修；又例如针对故障回路中的某些设备进行更换；还例如调整故障回路中的某些运行参数等。
其中，预先构建的运维决策模型用于确定故障回路的运维信息；预先构建的运维决策模型通过结合历史故障的运维方案与专家经验构建得到，也可以通过结合历史故障的运维信息对神经网络模型进行训练得到。
具体地，服务器将故障节点的线路运行数据与故障回路的故障诊断结果，输入至预先构建的运维决策模型中，得到故障回路的运维信息，并将该运维信息发送给运维人员所使用的终端，通过终端展示该运维信息，便于运维人员对故障回路进行可靠运维。
上述实施例提供的输电线路故障处理方法中，服务器首先在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点；然后获取故障节点的线路运行数据；接着将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果；最后将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息。这样，一方面，服务器通过故障定位传感器对输电线路中与故障回路关联的故障节点进行定位，缩短了定位故障节点所需要的时间，进而缩短了故障回路在巡检过程中保维持断路或短路的时间，使得电力系统能够在输电线路发生故障之后尽快恢复供电；另一方面，服务器通过预先构建的故障诊断模型对故障节点的线路运行数据的分析，能够得到故障回路的故障诊断结果，结合线路运行数据和故障诊断结果，还能够在不依赖人工辅助的情况下，得到故障回路的运维信息，避免了主观因素对运维方案准确性的影响，进一步保证了电力系统的稳定运行。因此，基于以上过程的输电线路故障处理方法，提升了电力系统的运行稳定性。
在一示例性实施例中，在上述步骤S102，在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点之前，还具体包括以下内容：在设置在输电线路上的故障定位传感器监测到输电线路中出现断路或短路的情况下，确认输电线路中存在故障回路。
上述步骤S102，在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点，具体包括以下内容：在输电线路中存在故障回路的情况下，接收故障定位传感器发送的位置信息；在输电线路的节点中，识别出与位置信息关联的节点；将与位置信息关联的节点，确认为与故障回路关联的故障节点。
具体地，故障定位传感器通过温度监测元件，监测各个节点的运行温度；当故障定位传感器监测到节点的运行温度符合断路状态或短路状态的运行温度时，确认该节点所属的回路中发生了断路或短路，因此，故障定位传感器向服务器发送故障预警信息与位置信息；服务器根据接收到的故障预警信息，确认输电线路中存在故障回路，并通过故障信息，在输电线路的各个节点中，识别出与位置信息关联的一个或多个节点，并将与该一个或多个节点确认为与故障回路关联的故障节点（即组成故障回路的一个或多个节点）。
能够理解的是，当回路中出现断路或短路时，该回路中至少有一个节点的运行温度会受到影响，因此，服务器可以根据至少一个节点的故障定位传感器发送的位置信息，确定故障回路，进而确定与故障回路关联的节点。
举例说明，参考图2所示的输电线路示意图，当节点1与节点2上的故障定位传感器监测到节点1与节点2的运行温度符合断路状态或短路状态的运行温度时，节点1与节点2上的故障定位传感器会将节点1与节点2的位置信息与故障预警信息发送至服务器，然后服务器将包含节点1与节点2的回路1确认为故障回路，并将回路1中的节点1、节点2、节点3以及节点4确认为故障节点。
本实施例中，故障定位传感器通过温度监测元件，可以对输电线路的各个节点的运行温度进行实时监测，从而实现对输电线路的运行状态的实时监测；服务器通过故障定位传感器，可以在输电线路中发生断路或短路时，快速并准确地定位发生断路或短路的故障回路以及组成故障回路的故障节点。与基于人工巡检的故障定位相比，通过故障定位传感器的故障定位方式，大大缩短了定位所需要花费的时间，从而缩短了定位过程中故障回路始终维持断路或短路的时间，进而使得电力系统在输电线路发生故障之后能够尽快恢复供电，提升了电力系统的运行稳定性。
如图3所示，在一示例性实施例中，上述步骤S106，将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果，具体包括以下步骤：
步骤S302，通过预先构建的故障诊断模型，在输电线路的故障线路运行数据中，确认与故障节点的线路运行数据对应的参考故障线路运行数据。
步骤S304，根据故障线路运行数据与故障线路表面图像之间的故障对应关系，在输电线路的故障线路表面图像中，确认与参考故障线路运行数据对应的参考故障线路表面图像。
步骤S306，确认参考故障线路表面图像与故障节点的线路表面图像之间的图像差异信息。
步骤S308，在图像差异信息满足预设图像差异信息阈值的情况下，根据参考故障线路表面图像所属的样本故障的故障类型，确认故障回路的故障诊断结果。
其中，输电线路的各个杆塔上设置有监控设备，用于对输电线路及其周边的环境进行监控，采集输电线路的表面图像。
其中，故障节点的线路表面图像为故障节点附近的输电线路在故障状态下的表面图像。
其中，输电线路的故障线路运行数据为输电线路在样本故障下的线路运行数据；输电线路的故障线路表面图像为输电线路在样本故障下的表面图像；样本故障为输电线路的历史故障。
其中，图像差异信息用于表征图像之间的相似性，相似性越大，则图像差异信息越小，图像差异信息可以通过图像的灰度矩阵或灰度直方图计算得到。
其中，预设图像差异信息阈值用于表征两张图像或多张图像是否相似或相同；当图像差异信息满足（小于）预设图像差异信息阈值时，说明图像差异信息对应的两张或多张图像相似或相同。
其中，故障类型即为造成故障的原因，例如异物缠绕输电线路、输电线路断裂、输电线路覆冰故障等。
具体地，服务器通过预先构建的故障诊断模型，在输电线路的各个故障线路运行数据中，筛选出与故障节点的线路运行数据对应的一组数据，确认为与故障节点的线路运行数据对应的参考故障线路运行数据；然后根据故障线路运行数据与故障线路表面图像之间的故障对应关系，将输电线路的各个故障线路表面图像中与参考故障线路运行数据对应的表面图像，确认为参考故障线路表面图像；接着，服务器通过灰度矩阵或灰度直方图，确认故障节点的线路表面图像与参考故障线路表面图像之间的图像差异信息，并在图像差异信息小于预设图像差异信息阈值的情况下，将参考故障线路表面图像所属的样本故障的故障类型，确认为故障回路的故障诊断结果。
举例说明，假设与故障节点的线路运行数据对应的参考故障线路运行数据为故障线路运行数据1，且故障线路运行数据1与故障线路表面图像1对应；然后服务器计算得到故障节点的线路表面图像与故障线路表面图像1之间的图像差异信息为0.15，而预设图像差异信息为0.20，那么服务器可将故障线路表面图像1所对应的故障类型，确认为故障节点所在的故障回路的故障诊断结果。
本实施例中，服务器通过预先构建的故障诊断模型，能够筛选出与故障节点的线路运行数据对应的参考故障线路运行数据，从而确认与故障节点对应的参考故障线路表面图像，然后根据参考故障线路表面图像对应的故障类型，得到故障回路的故障诊断结果；这样，服务器能够通过输电线路的历史故障，快速且准确地对当前的故障回路进行诊断，为后续确认可靠运维方案提供了基础，从而保证了电力系统的稳定运行。
在一示例性实施例中，上述步骤S302，通过预先构建的故障诊断模型，在输电线路的故障线路运行数据中，确认与故障节点的线路运行数据对应的参考故障线路运行数据，具体包括以下内容：通过预先构建的故障诊断模型，确认故障节点的线路运行数据与输电线路的各个故障线路运行数据之间的相似性；将各个故障线路运行数据中对应的相似性最大的故障线路运行数据，确认为与故障节点的线路运行数据对应的参考故障线路运行数据。
在上述步骤S306，确认参考故障线路表面图像与故障节点的线路表面图像之间的图像差异信息之后，还具体包括以下内容：在图像差异信息不满足预设图像差异信息阈值的情况下，在除参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与故障节点的线路运行数据对应的参考故障线路运行数据。
其中，故障节点的线路运行数据与输电线路的各个故障线路运行数据之间的相似性，可以通过向量形式的线路运行数据与向量形式的故障线路运行数据计算得到。例如，将线路运行数据与故障线路运行数据转换为向量形式，然后计算两组向量之间的余弦相似度或欧式平方距离，作为线路运行数据与故障线路运行数据之间的相似性。
其中，再次确认与故障节点的线路运行数据对应的参考故障线路运行数据，可以是将除参考故障线路运行数据以外的输电线路的故障路线运行数据中，对应的相似性最大的故障线路运行数据，确认为参考故障线路运行数据；也可以是再次计算故障节点的线路运行数据，与除参考故障线路运行数据以外的输电线路的各个故障路线运行数据之间的相似性，并将对应的相似性最大的故障线路运行数据，确认为参考故障线路运行数据。
具体地，服务器通过预先构建的故障诊断模型，确认故障节点的线路运行数据与输电线路的各个故障线路运行数据之间的余弦相似度或欧式平方距离，作为线路运行数据与各个故障线路运行数据之间的相似性，并将各个故障线路运行数据中，对应的相似性最大的一组数据，确认为与故障节点的线路运行数据对应的参考故障线路运行数据；然后，服务器根据参考故障线路运行数据确认参考故障线路表面图像，并在故障节点的线路表面图像与参考故障线路表面图像的图像差异信息大于预设图像信息阈值的情况下，在除参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与故障节点的线路运行数据对应的参考故障线路运行数据，从而再次确认参考故障线路表面图像。
举例说明，假设故障线路运行数据与故障线路表面图像的对应关系如下：{故障线路运行数据1，故障线路表面图像1}，{故障线路运行数据2，故障线路表面图像2}，{故障线路运行数据3，故障线路表面图像3}，{故障线路运行数据4，故障线路表面图像4}，且服务器通过预先构建的故障诊断模型，得到故障节点的线路运行数据与各个故障线路运行数据之间的相似性依次为0.43、0.88、0.95、0.66；那么服务器可以将故障线路运行数据3确认为参考故障线路运行数据，并将故障线路表面图像3确认为参考故障线路表面图像；然后，服务器计算得到故障节点的线路表面图像与故障线路表面图像3之间的图像差异信息为0.55，而预设图像差异信息为0.20，那么说明故障回路对应的故障与故障线路表面图像3对应的故障相比，只是在数据上相似，但在图像上并不匹配；因此，服务器可以将故障线路运行数据2确认为参考故障线路运行数据，并计算故障节点的线路表面图像与故障线路表面图像2之间的图像差异信息；或者是，服务器重新计算故障节点的线路运行数据与故障线路运行数据1、故障线路运行数据2、故障线路运行数据4之间的相似性，从而再次确认参考故障线路运行数据与参考故障线路表面图像。
本实施例中，服务器通过数据之间的相似性，能够从故障线路运行数据中，筛选出与此次故障高度相似的参考故障线路运行数据，并以此为依据，进一步筛选出与此次故障高度相似参考故障线路图像，从而能够根据历史故障，快速且准确地对当前的故障回路进行诊断。同时，服务器还通过对参考故障线路运行数据的再次确认，能够避免故障原因不同但具体运行数据类似的情况对故障诊断的影响，进一步提高了故障诊断的准确性，为后续确认可靠的运维方案提供了基础，从而保证了电力系统的稳定运行。
在一示例性实施例中，上述任一实施例中的预先构建的故障诊断模型，通过下述方式构建得到：获取与输电线路的样本故障关联的故障线路运行数据与故障线路表面图像；构建故障线路运行数据与故障线路表面图像之间的故障对应关系；根据故障对应关系，构建故障诊断模型，作为预先构建的故障诊断模型。
其中，与输电线路的样本故障关联的故障线路运行数据与故障线路表面图像，为输电线路在该样本故障下的线路运行数据与线路表面图像。
具体地，服务器将输电线路的历史故障作为样本故障，并获取样本故障的故障线路运行数据与故障线路表面图像，并分别对故障线路运行数据与故障线路表面图像进行预处理；然后根据样本故障，将对应的故障线路运行数据与故障线路表面图像之间关联起来，构建故障线路运行数据与故障线路表面图像之间的故障对应关系；接着，服务器根据故障对应关系，构建故障诊断模型，作为预先构建的故障诊断模型。
服务器对故障路线运行数据的预处理过程如下：服务器按照时间顺序，排列各个故障路线运行数据，并将故障路线运行数据均分为若干组；针对每一组的故障路线运行数据，服务器根据故障路线运行数据进行线性绘制，并删除偏离拟合线的数据。
服务器对故障路线表面图像的预处理过程如下：服务器利用LableImg（一种图形图像注释工具），对故障路线表面图像进行故障标签标注，将故障线路表面图像中的异常情况（如输电线路上的异物、输电线路的断裂点）标注出来，并在故障线路表面图像上标注出故障原因。
能够理解的是，在得到故障回路的故障诊断结果之后，服务器还可以将此次故障下的线路运行数据与线路表面图像作为样本数据，添加进故障诊断模型中，并通过专家标记对故障诊断模型进行优化。
本实施例中，服务器通过构建输电线路在历史故障下的故障线路运行数据与故障线路表面图像之间的故障对应关系，能够得到用于确认故障诊断结果的故障诊断模型，从而可以根据历史故障，快速且准确地对当前的故障回路进行诊断，为后续确认可靠的运维方案提供了基础，从而保证了电力系统的稳定运行。
如图4所示，在一示例性实施例中，上述步骤S108，将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息，具体包括以下步骤：
步骤S402，通过预先构建的运维决策模型，从输电线路的样本故障中，识别出与故障诊断结果对应的参考样本故障。
步骤S404，根据样本故障与样本运维信息之间的运维对应关系，从输电线路的样本运维信息中，识别出与参考样本故障对应的参考样本运维信息。
步骤S406，根据故障节点的线路运行数据，更新参考样本运维信息中的运维参数，得到故障回路的运维信息。
其中，样本运维信息为输电线路在历史故障下的运维方案；运维参数为运维信息中关于输电线路的节点与输电线路的设备的具体参数。
具体地，服务器通过预先构建的运维决策模型，从输电线路的样本故障中，识别出与故障诊断结果对应的样本故障，作为参考样本故障；然后，服务器根据样本故障与样本运维信息之间的运维对应关系，从输电线路的样本运维信息中，识别出输电线路在参考样本故障下的运维信息，作为参考样本运维信息；最后，服务器根据故障节点的线路运行数据，对参考样本运维信息中的运维参数进行适应性修改，得到故障回路的运维信息。
举例说明，假设与故障回路的故障诊断结果对应的样本故障为样本故障1，而与样本故障1对应的运维信息为样本运维信息1，那么服务器根据故障节点的具体线路运行数据，适应性修改样本运维信息1中的运维参数，从而得到与故障回路对应的运维信息。
能够理解的是，即便是同一种类型的故障，也会有不同的运维方案，因此，服务器在确认参考样本运维信息时，还可以通过对比故障节点的线路运行数据、线路表面图像与样本运维信息对应的故障线路运行数据、故障线路表面图像，从参考样本故障对应的多个样本运维信息中，筛选出参考样本运维信息。故障节点的线路运行数据、线路表面图像与样本运维信息对应的故障线路运行数据、故障线路表面图像之间的对比过程，与通过预先构建的故障诊断模型确认故障回路的故障诊断结果的过程类似，在此不再赘述。
本实施例中，服务器通过预先构建的运维决策模型，能够根据输电线路的历史故障，快速地确认与此次故障对应的参考样本运维信息，并能够以参考样本运维信息为运维模板，基于故障节点的具体数据得到针对此次故障的运维信息，使得运维人员能够对故障回路进行可靠运维，从而保证了电力系统的稳定运行。
在一示例性实施例中，上述任一实施例中的预先构建的运维决策模型，通过下述方式构建得到：获取与输电线路的样本故障关联的样本运维信息；构建样本故障与样本运维信息之间的运维对应关系；根据运维对应关系，构建运维决策模型，作为预先构建的运维决策模型。
其中，与输电线路的样本故障关联的样本运维信息，为输电线路在该样本故障下的运维信息。
具体地，服务器将输电线路的历史故障作为样本故障，并获取输电线路在各个样本故障下的运维信息，作为与该样本故障关联的样本运维信息；然后将样本故障与对应的样本运维信息之间关联起来，构建样本故障与样本运维信息之间的运维对应关系；最后，服务器根据运维对应关系，构建运维决策模型，作为预先构建的运维决策模型。
能够理解的是，在得到故障回路的运维信息之后，服务器还可以将此次故障下的故障诊断结果与运维信息作为样本数据，添加进运维决策模型中，并通过专家标记对运维决策模型进行优化。
本实施例中，服务器通过构建输电线路的历史故障与历史故障下的运维信息之间的运维对应关系，能够得到用于确认运维方案的运维决策模型，从而可以根据历史故障运维情况，快速且准确地为当前故障确认运维模板，为后续得到当前故障的运维方案提供了基础，从而保证了电力系统的稳定运行。
在一示例性实施例中，如图5所示，提供了另一种输电线路故障处理方法，以该方法应用于服务器为例进行说明，包括以下步骤：
步骤S501，在设置在输电线路上的故障定位传感器监测到输电线路中出现断路或短路的情况下，确认输电线路中存在故障回路。
步骤S502，在输电线路中存在故障回路的情况下，根据故障定位传感器发送的位置信息确认输电线路中与故障回路关联的故障节点。
步骤S503，获取故障节点的线路运行数据。
步骤S504，通过预先构建的故障诊断模型，确认故障节点的线路运行数据与输电线路的各个故障线路运行数据之间的相似性。
步骤S505，将各个故障线路运行数据中对应的相似性最大的故障线路运行数据，确认为与故障节点的线路运行数据对应的参考故障线路运行数据。
步骤S506，根据故障线路运行数据与故障线路表面图像之间的故障对应关系，在输电线路的故障线路表面图像中，确认与参考故障线路运行数据对应的参考故障线路表面图像。
步骤S507，确认参考故障线路表面图像与故障节点的线路表面图像之间的图像差异信息。
步骤S508，在图像差异信息满足预设图像差异信息阈值的情况下，根据参考故障线路表面图像所属的样本故障的故障类型，确认故障回路的故障诊断结果。
步骤S509，在图像差异信息不满足预设图像差异信息阈值的情况下，在除参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与故障节点的线路运行数据对应的参考故障线路运行数据。
步骤S510，通过预先构建的运维决策模型，从输电线路的样本故障中，识别出与故障诊断结果对应的参考样本故障。
步骤S511，根据样本故障与样本运维信息之间的运维对应关系，从输电线路的样本运维信息中，识别出与参考样本故障对应的参考样本运维信息。
步骤S512，根据故障节点的线路运行数据，更新参考样本运维信息中的运维参数，得到故障回路的运维信息。
本实施例中，一方面，服务器通过数据之间的相似性，能够从故障线路运行数据中，筛选出与当前故障高度相似的参考故障线路运行数据，并以此为依据，进一步筛选出与当前故障高度相似参考故障线路图像，然后根据参考故障线路表面图像对应的故障类型，得到故障回路的故障诊断结果，从而能够根据历史故障情况，快速且准确地对当前的故障回路进行诊断；在此过程中，服务器还通过对参考故障线路运行数据的再次确认，能够避免故障原因不同但具体运行数据类似的情况对故障诊断的影响，进一步提高了对故障回路的准确诊断。另一方面，服务器通过预先构建的运维决策模型，能够根据输电线路的历史故障情况，快速地确认与当前故障对应的参考样本运维信息，并能够以参考样本运维信息为运维模板，基于故障节点的具体数据得到针对当前故障的运维信息。此外，在本实施例中，故障定位传感器通过温度监测元件，可以对输电线路的各个节点的运行温度进行实时监测，从而实现对输电线路的运行状态进行实时监测，且服务器通过故障定位传感器，可以在输电线路中发生断路或短路时，快速并准确地定位发生断路或短路的故障回路以及组成故障回路的故障节点，大大缩短了定位所需要花费的时间，从而缩短了定位过程中故障回路始终维持断路或短路的时间，进而使得电力系统在输电线路发生故障之后能够尽快恢复供电。因此，基于以上过程的输电线路故障处理方法，能够提升电力系统的运行稳定性，保证了电力系统的稳定运行。
为了更清晰阐明本申请实施例提供的输电线路故障处理方法，以下以一个具体的实施例对该输电线路故障处理方法进行具体说明，但应当理解的是，本申请实施例并不限于此。如图6所示，在一示例性实施例中，本申请还提供了一种输电线路故障检测方法，具体包括以下步骤：
步骤1：监测设施的搭建。
在输电线路的各个节点处搭建检测设施，具体包括输电线路各个节点上的带有温度检测元件的故障定位传感器、输电线路各个杆塔上的图像监控设备与气象监控设备，以及输电线路上的可移动巡检设备。
步骤2：输电线路相关数据的采集。
服务器通过步骤1中搭建的监测设施，采集输电线路的相关数据，具体包括输电线路在各种运行状态下的线路运行数据、温度数据、图像数据、气象数据等。
步骤3：数据的预处理。
服务器对步骤2中采集的数据进行预处理，具体包括针对数据的筛选以及针对图像的标注。
步骤4：故障诊断模型的构建。
根据步骤3中预处理后的数据，构建故障诊断模型。
步骤5：故障的诊断与运维。
服务器在监测到输电线路出现断路或短路时，根据节点上的故障定位传感器，对故障节点进行定位，并通过故障诊断模型对故障节点处的相关数据进行处理，对故障进行诊断。然后服务器根据故障诊断结果与统一的电网模型标准，建立基于资源的输电线路运维决策模型，在全局性与局部性协作的云雾计算模式下，确定故障的最优化运维方案以及输电线路的最优化运行策略，实现对输电设备本体及其通道环境的智能分析研判。
本实施例中，服务器通过在输电线路上搭设监测设备，能够实现对输电线路的相关数据的采集；并通过输电线路的相关数据能够构建输电线路的故障诊断模型，从而在输电线路出现故障时，快速且准确地定位故障并判断故障的原因，进而实现对故障的运维，从而保证了电力系统的稳定运行。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的输电线路故障处理方法的输电线路故障处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电线路故障处理装置实施例中的具体限定可以参见上文中对于输电线路故障处理方法的限定，在此不再赘述。
在一示例性实施例中，如图7所示，提供了一种输电线路故障处理装置，包括：故障节点确认模块702、运行数据获取模块704、诊断结果确认模块706和运维信息确认模块708，其中：
故障节点确认模块702，用于在监测到输电线路中存在故障回路的情况下，根据设置在输电线路上的故障定位传感器，确认输电线路中与故障回路关联的故障节点。
运行数据获取模块704，用于获取故障节点的线路运行数据。
诊断结果确认模块706，用于将故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到故障回路的故障诊断结果。
运维信息确认模块708，用于将故障节点的线路运行数据，与故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到故障回路的运维信息。
在一示例性实施例中，输电线路故障处理装置还包括故障监测模块，用于在设置在输电线路上的故障定位传感器监测到输电线路中出现断路或短路的情况下，确认输电线路中存在故障回路。
故障节点确认模块702，还用于在输电线路中存在故障回路的情况下，接收故障定位传感器发送的位置信息；在输电线路的节点中，识别出与位置信息关联的节点；将与位置信息关联的节点，确认为与故障回路关联的故障节点。
在一示例性实施例中，诊断结果确认模块706，还用于通过预先构建的故障诊断模型，在输电线路的故障线路运行数据中，确认与故障节点的线路运行数据对应的参考故障线路运行数据；根据故障线路运行数据与故障线路表面图像之间的故障对应关系，在输电线路的故障线路表面图像中，确认与参考故障线路运行数据对应的参考故障线路表面图像；确认参考故障线路表面图像与故障节点的线路表面图像之间的图像差异信息；在图像差异信息满足预设图像差异信息阈值的情况下，根据参考故障线路表面图像所属的样本故障的故障类型，确认故障回路的故障诊断结果。
在一示例性实施例中，诊断结果确认模块706，还用于通过预先构建的故障诊断模型，确认故障节点的线路运行数据与输电线路的各个故障线路运行数据之间的相似性；将各个故障线路运行数据中对应的相似性最大的故障线路运行数据，确认为与故障节点的线路运行数据对应的参考故障线路运行数据；在图像差异信息不满足预设图像差异信息阈值的情况下，在除参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与故障节点的线路运行数据对应的参考故障线路运行数据。
在一示例性实施例中，输电线路故障处理装置还包括故障诊断模型构建模块，用于获取与输电线路的样本故障关联的故障线路运行数据与故障线路表面图像；构建故障线路运行数据与故障线路表面图像之间的故障对应关系；根据故障对应关系，构建故障诊断模型，作为预先构建的故障诊断模型。
在一示例性实施例中，运维信息确认模块708，还用于通过预先构建的运维决策模型，从输电线路的样本故障中，识别出与故障诊断结果对应的参考样本故障；根据样本故障与样本运维信息之间的运维对应关系，从输电线路的样本运维信息中，识别出与参考样本故障对应的参考样本运维信息；根据故障节点的线路运行数据，更新参考样本运维信息中的运维参数，得到故障回路的运维信息。
在一示例性实施例中，输电线路故障处理装置还包括运维决策模型构建模块，用于获取与输电线路的样本故障关联的样本运维信息；构建样本故障与样本运维信息之间的运维对应关系；根据运维对应关系，构建运维决策模型，作为预先构建的运维决策模型。
上述输电线路故障处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一示例性实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储输电线路的历史故障数据与输电线路的运行数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输电线路故障处理方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一示例性实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一示例性实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一示例性实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（MagnetoresistiveRandom Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种输电线路故障处理方法，其特征在于，所述方法包括：
在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
获取所述故障节点的线路运行数据；
将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
2.根据权利要求1所述的方法，其特征在于，在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点之前，还包括：
在设置在输电线路上的故障定位传感器监测到所述输电线路中出现断路或短路的情况下，确认所述输电线路中存在故障回路；
所述在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点，包括：
在所述输电线路中存在故障回路的情况下，接收所述故障定位传感器发送的位置信息；
在所述输电线路的节点中，识别出与所述位置信息关联的节点；
将与所述位置信息关联的节点，确认为与所述故障回路关联的故障节点。
3.根据权利要求1所述的方法，其特征在于，所述将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果，包括：
通过所述预先构建的故障诊断模型，在所述输电线路的故障线路运行数据中，确认与所述故障节点的线路运行数据对应的参考故障线路运行数据；
根据故障线路运行数据与故障线路表面图像之间的故障对应关系，在所述输电线路的故障线路表面图像中，确认与所述参考故障线路运行数据对应的参考故障线路表面图像；
确认所述参考故障线路表面图像与所述故障节点的线路表面图像之间的图像差异信息；
在所述图像差异信息满足预设图像差异信息阈值的情况下，根据所述参考故障线路表面图像所属的样本故障的故障类型，确认所述故障回路的故障诊断结果。
4.根据权利要求3所述的方法，其特征在于，所述通过所述预先构建的故障诊断模型，在所述输电线路的故障线路运行数据中，确认与所述故障节点的线路运行数据对应的参考故障线路运行数据，包括：
通过所述预先构建的故障诊断模型，确认所述故障节点的线路运行数据与所述输电线路的各个故障线路运行数据之间的相似性；
将各个故障线路运行数据中对应的相似性最大的故障线路运行数据，确认为与所述故障节点的线路运行数据对应的参考故障线路运行数据；
在确认所述参考故障线路表面图像与所述故障节点的线路表面图像之间的图像差异信息之后，还包括：
在所述图像差异信息不满足所述预设图像差异信息阈值的情况下，在除所述参考故障线路运行数据以外的输电线路的故障路线运行数据中，再次确认与所述故障节点的线路运行数据对应的参考故障线路运行数据。
5.根据权利要求3所述的方法，其特征在于，所述预先构建的故障诊断模型，通过下述方式构建得到：
获取与所述输电线路的样本故障关联的故障线路运行数据与故障线路表面图像；
构建所述故障线路运行数据与所述故障线路表面图像之间的故障对应关系；
根据所述故障对应关系，构建故障诊断模型，作为所述预先构建的故障诊断模型。
6.根据权利要求1至5任意一项所述的方法，其特征在于，所述将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息，包括：
通过所述预先构建的运维决策模型，从所述输电线路的样本故障中，识别出与所述故障诊断结果对应的参考样本故障；
根据样本故障与样本运维信息之间的运维对应关系，从所述输电线路的样本运维信息中，识别出与所述参考样本故障对应的参考样本运维信息；
根据所述故障节点的线路运行数据，更新所述参考样本运维信息中的运维参数，得到所述故障回路的运维信息。
7.根据权利要求6所述的方法，其特征在于，所述预先构建的运维决策模型，通过下述方式构建得到：
获取与所述输电线路的样本故障关联的样本运维信息；
构建所述样本故障与所述样本运维信息之间的运维对应关系；
根据所述运维对应关系，构建运维决策模型，作为所述预先构建的运维决策模型。
8.一种输电线路故障处理装置，其特征在于，所述装置包括：
故障节点确认模块，用于在监测到输电线路中存在故障回路的情况下，根据设置在所述输电线路上的故障定位传感器，确认所述输电线路中与所述故障回路关联的故障节点；
运行数据获取模块，用于获取所述故障节点的线路运行数据；
诊断结果确认模块，用于将所述故障节点的线路运行数据输入至预先构建的故障诊断模型中，得到所述故障回路的故障诊断结果；
运维信息确认模块，用于将所述故障节点的线路运行数据，与所述故障回路的故障诊断结果输入至预先构建的运维决策模型中，得到所述故障回路的运维信息。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202310655212.2A 2023-06-05 2023-06-05 输电线路故障处理方法、装置、计算机设备和存储介质 Active CN116381419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310655212.2A CN116381419B (zh) 2023-06-05 2023-06-05 输电线路故障处理方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310655212.2A CN116381419B (zh) 2023-06-05 2023-06-05 输电线路故障处理方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN116381419A true CN116381419A (zh) 2023-07-04
CN116381419B CN116381419B (zh) 2023-11-07

Family

ID=86961950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310655212.2A Active CN116381419B (zh) 2023-06-05 2023-06-05 输电线路故障处理方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN116381419B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10322936A (ja) * 1997-05-13 1998-12-04 Kokusai Electric Co Ltd 送電線障害監視システム
US20030085715A1 (en) * 2001-08-15 2003-05-08 David Lubkeman System and method for locating a fault on ungrounded and high-impedance grounded power systems
JP2009293946A (ja) * 2008-06-02 2009-12-17 Chugoku Electric Power Co Inc:The 送配電設備監視システム、送配電設備監視方法
CN106707101A (zh) * 2016-12-09 2017-05-24 云南电力试验研究院(集团)有限公司 一种具备四遥功能的配电网运行状态监测装置
WO2019233047A1 (zh) * 2018-06-07 2019-12-12 国电南瑞科技股份有限公司 基于电网调度的运维方法
DE102018113627A1 (de) * 2018-06-07 2019-12-12 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren und Vorrichtung zur Fehlerdiagnose in einem eine Ringstruktur aufweisenden elektrischen Netz sowie Computerprogrammprodukt
US20200064391A1 (en) * 2018-08-23 2020-02-27 Schweitzer Engineering Laboratories, Inc. Accurate fault location method based on local measurements and remote currents
CN111639921A (zh) * 2020-06-11 2020-09-08 广东电网有限责任公司 一种基于专家系统的设备故障智判与辅助处置方法
CN112083277A (zh) * 2020-08-21 2020-12-15 国网山东省电力公司诸城市供电公司 一种电力线路传输故障检测方法及系统
WO2021056793A1 (zh) * 2019-09-24 2021-04-01 国电南瑞科技股份有限公司 一种输电线路分布式故障诊断系统及方法
CN112991297A (zh) * 2021-03-15 2021-06-18 广东电网有限责任公司清远供电局 一种输电线路故障诊断方法、系统、电子设备和存储介质
CN113033451A (zh) * 2021-04-02 2021-06-25 广东电网有限责任公司 基于深度学习的架空线路故障识别方法及系统
CN113281616A (zh) * 2021-05-28 2021-08-20 国网冀北电力有限公司承德供电公司 一种基于专家系统的输电线路故障诊断方法、系统及架构
CN113484693A (zh) * 2021-07-30 2021-10-08 国网四川省电力公司电力科学研究院 基于图神经网络的变电站二次回路故障定位方法及系统
CN113515655A (zh) * 2021-06-24 2021-10-19 国网山东省电力公司邹城市供电公司 一种基于图像分类的故障识别方法及装置
WO2022032684A1 (en) * 2020-08-14 2022-02-17 Siemens Aktiengesellschaft A method, device, system and storage medium for fault diagnosis and solution recommendation
CN114578182A (zh) * 2020-12-02 2022-06-03 中国农业大学 配电网故障定位方法及装置
WO2022160776A1 (zh) * 2021-01-29 2022-08-04 国电南瑞科技股份有限公司 一种基于继电保护在线监视与分析系统的故障分析方法
CN115097319A (zh) * 2022-07-21 2022-09-23 山东大学 一种动力电池组故障在线诊断方法及系统
CN115684829A (zh) * 2022-10-13 2023-02-03 国网辽宁省电力有限公司大连供电公司 一种电力二次回路故障检测预警方法及系统

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10322936A (ja) * 1997-05-13 1998-12-04 Kokusai Electric Co Ltd 送電線障害監視システム
US20030085715A1 (en) * 2001-08-15 2003-05-08 David Lubkeman System and method for locating a fault on ungrounded and high-impedance grounded power systems
JP2009293946A (ja) * 2008-06-02 2009-12-17 Chugoku Electric Power Co Inc:The 送配電設備監視システム、送配電設備監視方法
CN106707101A (zh) * 2016-12-09 2017-05-24 云南电力试验研究院(集团)有限公司 一种具备四遥功能的配电网运行状态监测装置
WO2019233047A1 (zh) * 2018-06-07 2019-12-12 国电南瑞科技股份有限公司 基于电网调度的运维方法
DE102018113627A1 (de) * 2018-06-07 2019-12-12 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren und Vorrichtung zur Fehlerdiagnose in einem eine Ringstruktur aufweisenden elektrischen Netz sowie Computerprogrammprodukt
US20200064391A1 (en) * 2018-08-23 2020-02-27 Schweitzer Engineering Laboratories, Inc. Accurate fault location method based on local measurements and remote currents
WO2021056793A1 (zh) * 2019-09-24 2021-04-01 国电南瑞科技股份有限公司 一种输电线路分布式故障诊断系统及方法
CN111639921A (zh) * 2020-06-11 2020-09-08 广东电网有限责任公司 一种基于专家系统的设备故障智判与辅助处置方法
WO2022032684A1 (en) * 2020-08-14 2022-02-17 Siemens Aktiengesellschaft A method, device, system and storage medium for fault diagnosis and solution recommendation
CN112083277A (zh) * 2020-08-21 2020-12-15 国网山东省电力公司诸城市供电公司 一种电力线路传输故障检测方法及系统
CN114578182A (zh) * 2020-12-02 2022-06-03 中国农业大学 配电网故障定位方法及装置
WO2022160776A1 (zh) * 2021-01-29 2022-08-04 国电南瑞科技股份有限公司 一种基于继电保护在线监视与分析系统的故障分析方法
CN112991297A (zh) * 2021-03-15 2021-06-18 广东电网有限责任公司清远供电局 一种输电线路故障诊断方法、系统、电子设备和存储介质
CN113033451A (zh) * 2021-04-02 2021-06-25 广东电网有限责任公司 基于深度学习的架空线路故障识别方法及系统
CN113281616A (zh) * 2021-05-28 2021-08-20 国网冀北电力有限公司承德供电公司 一种基于专家系统的输电线路故障诊断方法、系统及架构
CN113515655A (zh) * 2021-06-24 2021-10-19 国网山东省电力公司邹城市供电公司 一种基于图像分类的故障识别方法及装置
CN113484693A (zh) * 2021-07-30 2021-10-08 国网四川省电力公司电力科学研究院 基于图神经网络的变电站二次回路故障定位方法及系统
CN115097319A (zh) * 2022-07-21 2022-09-23 山东大学 一种动力电池组故障在线诊断方法及系统
CN115684829A (zh) * 2022-10-13 2023-02-03 国网辽宁省电力有限公司大连供电公司 一种电力二次回路故障检测预警方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BIN LIU; ZHEN LI; XI CHEN; YUEHUI HUANG; XIANGDONG LIU: "Recognition and Vulnerability Analysis of Key Nodes in Power Grid Based on Complex Network Centrality", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II: EXPRESS BRIEFS, vol. 65, no. 3 *
陈久林;徐陈成;吴在军;窦晓波;: "基于无线传感器网络的输电线路在线监测系统", 江苏电机工程, no. 06 *

Also Published As

Publication number Publication date
CN116381419B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
EP3902992B1 (en) Scalable system and engine for forecasting wind turbine failure
CN111210024B (zh) 模型训练方法、装置、计算机设备和存储介质
CN106888205B (zh) 一种非侵入式基于功耗分析的plc异常检测方法
CN111435366A (zh) 设备故障诊断方法、装置和电子设备
CN113343847B (zh) 异常数据检测方法、装置、计算机设备和可读存储介质
CN108460397B (zh) 设备故障类型的分析方法、装置、储存介质和电子设备
CN111709447A (zh) 电网异常检测方法、装置、计算机设备和存储介质
CN114254879B (zh) 多传感器信息融合的电力设备安全诊断方法和装置
CN113760670A (zh) 电缆接头异常预警方法、装置、电子设备和存储介质
CN110875851A (zh) 地下电缆故障预警方法和装置
CN111314110B (zh) 一种用于分布式系统的故障预警方法
CN116204846B (zh) 一种基于可见图的配电网传感器数据异常快速定位方法
CN117129815A (zh) 一种基于物联网的多劣化绝缘子综合检测方法和系统
CN116381419B (zh) 输电线路故障处理方法、装置、计算机设备和存储介质
CN117235664A (zh) 配电通信设备的故障诊断方法、系统和计算机设备
CN117474357A (zh) 基于深度学习的配电房运维管理方法及系统
CN117110794A (zh) 一种电缆故障智能诊断系统及方法
CN117031201A (zh) 一种配电网多场景拓扑异常识别方法及系统
CN116843314A (zh) 监控终端运维管理方法、系统、设备及存储介质
CN116723157A (zh) 终端行为检测模型构建方法、装置、设备和存储介质
CN111123087A (zh) 配电网开关设备故障检测方法、装置和计算机设备
CN116106656A (zh) 一种基于移动应用终端的电力设备缺陷辅助识别方法
CN116071864A (zh) 预警处理方法、装置、设备、存储介质和计算机程序产品
JP2019191880A (ja) 設備管理支援システム
CN113836203A (zh) 一种网络数据化诊断检测分析系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant